-
公开(公告)号:CN116644320B
公开(公告)日:2023-11-07
申请号:CN202310928459.7
申请日:2023-07-27
Applicant: 浙江大有实业有限公司配电工程分公司
IPC: G06F18/214 , G06F18/10 , G06N3/0464 , G06N3/048 , G06N3/082 , G06N3/096 , G06F18/241
Abstract: 本发明公开了一种基于seq2seq的楼宇迁移非侵入式负荷监测方法。为了克服现有技术存在有标签数据量少,且训练迭代次数多,迭代时间长,难以收敛的问题;本发明通过在标签数据量充足的训练数据集中进行充分训练,使网络能够对功率序列中所包含比如边缘等鲜明的负荷特征进行学习识别,并以参数的形式保存下来。再进行迁移学习,通过目标数据集中少量有标签数据对该seq2seq神经网络参数进行训练微调,实现了对目标数据集的有监督非侵入式负荷监测,有效减少了迭代时间并避免了迭代难以收敛等问题,对于现实场景来说,具有较大的应用意义和较高的负荷辨识潜力。
-
公开(公告)号:CN116644320A
公开(公告)日:2023-08-25
申请号:CN202310928459.7
申请日:2023-07-27
Applicant: 浙江大有实业有限公司配电工程分公司
IPC: G06F18/214 , G06F18/10 , G06N3/0464 , G06N3/048 , G06N3/082 , G06N3/096 , G06F18/241
Abstract: 本发明公开了一种基于seq2seq的楼宇迁移非侵入式负荷监测方法。为了克服现有技术存在有标签数据量少,且训练迭代次数多,迭代时间长,难以收敛的问题;本发明通过在标签数据量充足的训练数据集中进行充分训练,使网络能够对功率序列中所包含比如边缘等鲜明的负荷特征进行学习识别,并以参数的形式保存下来。再进行迁移学习,通过目标数据集中少量有标签数据对该seq2seq神经网络参数进行训练微调,实现了对目标数据集的有监督非侵入式负荷监测,有效减少了迭代时间并避免了迭代难以收敛等问题,对于现实场景来说,具有较大的应用意义和较高的负荷辨识潜力。
-